摘要：该数据集面向网络欺凌自动检测任务，汇集了来自Twitter、维基百科讨论页和YouTube等不同来源的社交媒体文本。
数据集概述
该数据集面向网络欺凌自动检测任务，汇集了来自Twitter、维基百科讨论页和YouTube等不同来源的社交媒体文本。样本按照是否包含欺凌行为进行标注，并涵盖仇恨言论、攻击性表达、侮辱、毒性内容、种族主义和性别歧视等多种网络不良行为，可为跨平台内容安全模型的训练和评估提供数据支持。
数据结构与关键特征
数据集由多个经过解析的CSV文件组成，包括攻击性、攻击行为、毒性、Twitter综合数据、Twitter种族主义、Twitter性别歧视、YouTube及Kaggle来源数据。各文件保存平台文本及其相应类别标签，既包含欺凌与非欺凌二分类信息，也反映不同类型的有害语言。数据具有来源平台多样、表达方式复杂、类别定义存在差异及文本噪声较多等特点，适合开展跨数据源联合建模与泛化能力研究。
应用价值与研究方向
该数据集可用于网络欺凌识别、仇恨言论检测、毒性评论过滤、社交平台内容审核及网络环境风险预警。研究方向包括传统机器学习与Transformer文本分类、多任务和多标签学习、跨平台领域适应、类别不平衡处理、隐晦攻击识别、对抗鲁棒性、模型可解释性及实时审核系统开发；还应关注数据偏差、群体公平性、语境误判和用户隐私保护，避免模型对特定身份群体或语言表达产生不合理歧视。
数据集来源
由张家梁(Bob)整理并于2026年在7zcode平台公开发布。
数据集信息
免责声明与引用
数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。
作者信息
作者：Bob (张家梁)
项目编号：Datasets-588
文件大小：64M
原创声明：本数据集为整理作品
联系方式
开源协议
本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。
评论(0)